IMPATTO DEI CAMBIAMENTI CLIMATICI SULLA … colturali/S2 CC Lombardia - parte 1.pdfnella Fase 1 in...
Transcript of IMPATTO DEI CAMBIAMENTI CLIMATICI SULLA … colturali/S2 CC Lombardia - parte 1.pdfnella Fase 1 in...
IMPATTO DEI CAMBIAMENTI CLIMATICI SULLA SOSTENIBILITÀ DELL’AZIENDA CEREALICOLO-
ZOOTECNICA IN LOMBARDIA
19 Maggio 2014
Giovanni Cappelli, Livia Paleari, Simone Bregaglio, Andrea Giussani, Marco Acutis, Stefano Brenna, Dante Fasolini, Roberto Confalonieri
Università di Milano, Dipartimento di Scienze Agrarie ed Ambientali,
CASSANDRA lab
Cambiamento climatico - Agricoltura
Strategie di risposta (mitigazione, adattamento)
Piano Regionale di Adattamento ai Cambiamenti Climatici (PACC)
Convenzione ERSAF – UNIMI DISAA FASE 1
Strategie di adattamento (Riso, frumento, mais)
Convenzione ERSAF – UNIMI DISAA FASE 2
Sistemi colturali erbacei alternativi
Sostenibilità ambientale e aziendale?
PSR 2014-2020
Introduzione Arundo Donax L.
(Aree marginali)
Outline
19 Maggio 2014 Strategia Comunitaria
19 Maggio 2014
Premessa (1)
Aumento della concentrazione atmosferica di GHG (CO2, CH4, N2O, H2O, O3, ALOCARBURI)
Aumento delle temperature e ondate di calore
Aumento dell’intensità delle precipitazioni (con distribuzioni caratterizzate da
marcate differenze territoriali)
Aumento di eventi meteorologici estremi (inondazioni/eventi siccitosi)
Variazioni di temperatura media attese in base al rapporto SRES dell’IPCC (2007).
Emissioni atmosferiche (attuali e previste) da combustibili fossili (fonti: IEA; CDIAC) from Raupach et al., 2007
(Fonte: Mendelsohn et al., 2004)
L’agricoltura è probabilmente uno dei settori economici più esposti in molte regioni del mondo.
Differenze in funzione di
Contesto produttivo (tecnologia, infrastrutture, formazione…)
Condizioni pedoclimatiche
Colture (specie coltivate, varietà/ibridi…)
19 Maggio 2014
Premessa (2)
Molte iniziative e risorse investite IPCC, Banca mondiale, Unione Europea
19 Maggio 2014
Premessa (3)
Strategia di mitigazione: agire sulle cause
(emissioni)
Strategia di adattamento: minimizzare gli effetti
(nuove varietà, semine, irrigazione…)
Risposta comune e coordinata a livello
internazionale (es. protocollo di Kyoto)
Risposta a livello nazionale/regionale
SNA, PNA PACC «La Lombardia….presenta un’elevata vulnerabilità agli impatti del cambiamento climatico».
Piano di sviluppo rurale - PSR 2014-2020
Piano di sviluppo rurale - PSR 2014-2020
19 Maggio 2014
Premessa (4)
Piano Regionale di Adattamento ai Cambiamenti Climatici (PACC)
Salute umana Difesa del suolo Turismo Agricoltura Settore energetico Trasporti e mobilità Qualità dell’aria Biodiversità e aree protette .....
Progetto HELPSOIL (qualità dei suoli)
Progetto MANFRED (specie forestali dell’arco alpino)
Progetto EMONFUR (foreste di pianura)
Convenzione ERSAF – UNIMI DISAA (produzioni agricole)
Macroaree
elaborazione di scenari di evoluzione climatica; valutazione qualitativa degli impatti; individuazione dei settori più vulnerabili; stesura di protocolli di analisi di rischio integrato; definizione di linee-guida per misure di
adattamento settore-specifiche
Obiettivi
Progetti
FASE 1 Valutazione variazioni produttive delle principali colture cerealicole (riso, frumento e mais): elaborazione di efficaci strategie di adattamento (semina e lunghezza del ciclo).
Convenzione ERSAF – UNIMI DISAA
19 Maggio 2014
FASE 2 • Problematica acqua: impatto delle strategie di adattamento definite
nella Fase 1 in termini di consumo idrico, testando sistemi irrigui caratterizzati da diversa efficienza.
• Problematica aziendale: impatto dei cambiamenti climatici sulla sostenibilità del modello aziendale cerealicolo-zootecnico, tipico della struttura aziendale lombarda di pianura.
Premessa (5)
I modelli di simulazione basati sui processi costituiscono uno strumento previsionale strategico per lo studio dell’evoluzione di sistemi non stazionari
Sistema di supporto alle decisioni a diversi livelli di scala: strategie di adattamento (agricoltore, decisore politico).
Consentono di esplorare condizioni diverse dalle attuali per diversi livelli di complessità del sistema colturale.
Livello d’incertezza
Gli studi condotti mediante modelli di simulazione hanno valutato l’impatto esclusivamente in termini quantitativi non valutando malattie, danni da stress abiotici, qualità delle produzioni (Porter et al., 2005; White et al. 2011; Supit et al., 2012).
19 Maggio 2014
Premessa (6)
Risultati
Database georeferenziato
Soluzione di modellazione
Adattamento
Piattaforma di simulazione
19 Maggio 2014
Metodologia
Scenari futuri: A1 (“business as usual scenario” – maggior impatto) e B2: (CO2 stabilizzata
a circa 550 ppm già nel 2020 – minor impatto).
Valori mensili di anomalie di temperatura e precipitazioni (IPCC).
Scenario di riferimento: JRC-MARS 1975-1995 (25 x 25 Km).
CLIMAK: a stochastic model for weather data generation (Danuso 2002)
Scenari climatici futuri (2020 e 2050): es. anomalie di temperatura massima nei mesi estivi
19 Maggio 2014
Metodologia: Dataset climatico
Base dati e procedura: • Analisi e spazializzazione delle informazioni prodotte a scala comunale
nell’ambito del progetto ValorE (ERSAF)
Riso
• Analisi multi-temporale di serie storiche di dati MODIS (IREA-CNR)
19 Maggio 2014
Metodologia: Dataset vegetazionale
Date di semina :
Frumento tenero Mais da granella Riso
• Per riso tali informazioni sono state acquisite mediante processamento di dati telerilevati (Phenorice: IREA-CNR)
• sono state implementate regole di semina automatiche specifiche per frumento e mais
19 Maggio 2014
Metodologia: Dataset gestionale
• Riso e Mais (da granella e trinciato in 1° e 2° raccolto) : semine precoci di ibridi ed ecotipi caratterizzati da una maggior lunghezza del ciclo colturale
Finestre di semina ottimali per mais da granella e da trinciato per tutti gli scenari climatici futuri.
• Frumento tenero: adozione di varietà caratterizzate da ciclo colturale più lungo mantenendo invariata la data di semina.
Processo Parametro a b c
Accumulo di tempo
termico
Tb 10 10 10
Tcutoff 30 30 30
Fenologia
GDDem 50 55 60
GDDpeak 700 770 840
GDDflo 790 869 948
GDDgrain 840 924 1008
GDDmat 1420 1562 1704
Fotoperiodo Pini Non attivato
Pins Non attivato
Crescita
BTR 11 11 11
LtBC 4.2 4.2 4.2
SLA 30 30 30
SLP 3.5 3.5 3.5
Topt 20 20 20
LAIini 0.007 0.007 0.007
kc 0.5 0.5 0.5
Traspirazione ETfull 1.12 1.12 1.12
Wup, max 12 12 12
Senescenza Ldur 900 900 900
Raccolta UHI 0.5 0.5 0.5
2020: +10%
2050:+20%
19 Maggio 2014
Metodologia: Adattamento
CropSyst: Stockle et al. 2003 WARM: Confalonieri et al. 2009a
Crescita colturale
Danni abiotici
Danni biotici
Soluzione di modellazione (2)
Crescita colturale
19 Maggio 2014
Ritchie 1991 Confalonieri 2004
Danni abiotici
Danni abiotici
Danni biotici
Soluzione di modellazione (3)
Crescita colturale
19 Maggio 2014
Bregaglio 2013
Danni biotici (1)
Danni abiotici
Danni biotici
Soluzione di modellazione (4)
Crescita colturale
19 Maggio 2014
Biloni et al. 2007
Danni biotici (2)
Danni abiotici
Danni biotici
Soluzione di modellazione (5)
Crescita colturale
19 Maggio 2014
Qualità
Danni abiotici
Danni biotici
Soluzione di modellazione (6)
Crescita colturale
Cappelli et al. 2014
19 Maggio 2014
Coltura Tipologia di danno Soglia (°C)
Frumento Gelata -8
Riso ecotipo Indica Sterilità fiorale da freddo 13.5
Riso ecotipo Japonica Sterilità fiorale da freddo 12.5
Parametrizzazione
• Frumento: Bechini et al. 2006;
• Mais: Donatelli et al. 1997, dati sperimentali e parametrizzazioni sviluppate in progetti precedenti (DISAA);
• Riso: Confalonieri et al. 2009.
Modelli colturali
Modelli di fitopatie
• Elmintosporiosi: Aylor e Lukens 1974, Levy e Cohen 1983, e Harlapur 2005;
• Ruggine bruna: Fernandes, Soliman, Confalonieri, Donatelli e Tubiello.
Climate Change and Agriculture in Latin America, 2020-2050. Projected impacts and response to adaptation strategies. Whashinghton DC, World Bank;
• Brusone: Biloni et al 2007.
Modelli di danni abiotici
Dati collezionati nel distretto Lombardo-Piemontese dall’ENR (Cappelli et al., 2014): varietà Indica (cv. Thaibonnet) e Japonica (cv. Loto).
Qualità delle produzioni
19 Maggio 2014
Frumento tenero: accorciamento generalizzato del ciclo negli scenari futuri
Risultati
Frumento
- 5/6 gg
- 7 gg - 14 gg
No adattamento Adattamento
Risultati
Frumento
2050: Incrementi medi pari a 2%, 10%, 9% per Hadley A1B. Incrementi stazionari per NCAR B1.
Hadley A1B
NCAR B1
Conclusioni (Frumento)
Frumento
Aumento crescente di tutti i livelli produttivi
Marcata riduzione delle perdite produttive dovute a gelate ed alla pressione del patogeno
Effetto fertilizzante CO2 bilancia la riduzione del ciclo
L’adozione di varietà a ciclo più lungo massimizza i risultati produttivi in tutto il territorio
I valori ottenuti risultano coerenti con quanto osservato da Semenov (2011) e Supit (2012) in Europa ed in particolare in Italia.
19 Maggio 2014
Riso: accorciamento generalizzato del ciclo negli scenari futuri
Risultati
- 21 gg
- 25 gg - 37 gg
No adattamento Adattamento
Hadley A1B
NCAR B1
Risultati
Indica Japonica
2050: situazione stazionaria (Indica). Perdite variabili (Japonica) tra -4% (Milano, Pavia) e -10% (Mantova)
Hadley A1B
NCAR B1
Indica Japonica
Risultati
Adattamento Indica: aumenti pari a 5% (NCAR B1) e 3% (Hadley A1B). Japonica: variazioni positive ad eccezione di Mantova (-4%).
Hadley A1B
NCAR B1
Amilosio (1)
Indica: perdite pari a -4.5% Japonica: perdite pari a – 13.8% (NCAR B1) e -15% (Hadley A1B)
2020 2050 Indica Japonica Indica Japonica
Hadley A1B
NCAR B1
Amilosio (2)
Adattamento 2050: Japonica: recuperi compresi tra 5 e 10% Indica: recuperi fino a 3%
Japonica Indica
C+ S-C+ C+ S-C+
Riso
Aumento crescente di tutti i livelli produttivi (Indica) grazie alla riduzione della pressione del patogeno e dell’incidenza di sterilità da freddo
Il superamento di regimi termici subottimali controbilancia la riduzione del ciclo colturale
Incrementi di resa più contenuti (Japonica), con situazioni negative già nel 2020
Semine precoci di varietà a ciclo più lungo massimizzano i risultati produttivi in tutto il territorio (Indica) e determinano il totale recupero del divario produttivo (Japonica)
Conclusioni (Riso)
Qualità
Generale decadimento aspetti qualitativi, più marcato per varietà Japonica
Diverso comportamento del cereale in trasformazione e forte perdita valore di mercato
Adozione di varietà a ciclo più lungo si dimostra la strategia più efficace (soprattutto per Japonica), ma non è risolutiva
19 Maggio 2014
Mais da granella: accorciamento generalizzato del ciclo negli scenari futuri
Risultati
- 22 gg
- 31 gg - 37 gg
No adattamento Adattamento
Risultati
2050: perdite medie di produzione potenziale pari a -26.4% (Granella) e -24% (Trinciato).
Mais
Granella Trinciato
Hadley A1B
NCAR B1
Risultati
Adattamento: riduzione perdite del 50% granella: perdite pari a – 5.5% (NCAR B1) e -15% (Hadley A1B). trinciato: risultati analoghi, con situazioni positive per la provincia di SO
Granella
Hadley A1B
NCAR B1
Trinciato
Mais
Conclusioni (Mais)
Mais
Perdite di resa crescenti, più accentuate nelle provincie di Mantova e Brescia
La riduzione della pressione del patogeno non bilancia la riduzione del ciclo colturale
La coltura da trinciato mostra andamenti paragonabili alla coltura da granella
Perdite più marcate per la coltura praticata in secondo raccolto
Semine anticipate di ibridi a ciclo più lungo dimezzano le perdite produttive
I risultati ottenuti concordano con quanto osservato da Supit (2012)
19 Maggio 2014
FASE 1 Valutazione variazioni produttive delle principali colture cerealicole (riso, frumento e mais): elaborazione di efficaci strategie di adattamento (semina e lunghezza del ciclo).
Convenzione ERSAF – UNIMI DISAA
19 Maggio 2014
FASE 2 • Problematica acqua: impatto delle strategie di adattamento definite
nella Fase 1 in termini di consumo idrico, testando sistemi irrigui caratterizzati da diversa efficienza.
• Problematica aziendale: impatto dei cambiamenti climatici sulla sostenibilità del modello aziendale cerealicolo-zootecnico, tipico della struttura aziendale lombarda di pianura.
19 Maggio 2014
Estensione base dati
Definizione unità di simulazione elementare
Attribuzione informazioni elaborate nella fase precedente (Fase 1) e relative a:
dataset climatici (dati meteorologici per lo scenario attuale e gli scenari futuri;
distribuzione colturale (aree coltivate a frumento tenero, mais da granella, silomais e riso);
dataset gestionale (date di semina specifiche per coltura e definite mediante regole automatiche od elaborazione di dati telerilevati).
Cella 25x25 Km
Costituzione del dataset pedologico: individuazione suolo più
rappresentativo ad ogni unità di simulazione
a) categoria pedologica (WRB 2006) più rappresentata in termini di superficie
Carta dei suoli della Lombardia - scala 1:250.000 (ERSAF, 2011).
Attribuzione a ciascuna R.A.:
b) Unità Tipologica di Suolo (UTS) prevalente e relative caratteristiche chimico-fisiche (Tessitura, CSC…)
UTS prevalenti nell’area di simulazione
19 Maggio 2014
Estensione banca dati: suolo
ERSAF, 18 Novembre 2013
Estensione base dati: acqua
Stima proprietà idrologiche: funzioni di pedotrasferimento basate sulla tessitura (CropSyst: Saxton et al., 1986)
Tutte le colture
Spazializzazione dei sistemi irrigui (Coffani e Angileri 2006)
Mais
Definizione di regole per l’irrigazione automatica specifiche
a) Riprodurre l’attuale scenario di gestione idrica (Es. scorrimento: data del primo
intervento irriguo, durata del turno, numero massimo di interventi, mm ad adacquata);
b) Sistemi alternativi e più efficienti (ala gocciolante)
Estensione motore di simulazione
Crescita e sviluppo:
• approcci modellistici adottati nella Fase 1 (CropSyst)
Modelli idrologici:
introduzione delle librerie di modelli idrologici UNIMI.SoilW
Redistribuzione dell’acqua tra gli strati di suolo
• serbatoi, • serbatoi con “travel time”, • risoluzione numerica dell’equazione di Richards
Traspirazione reale della pianta
Evaporazione del suolo
Effetti delle lavorazioni sulle caratteristiche pedologiche Help file: http://agsys.cra-cin.it/tools/soilw/help/
Codedoc file: http://agsys.cra-cin.it/tools/soilw/codedoc/
Estensione motore di modellazione (2)
Gestire gli eventi di irrigazione in maniera coerente con le specificità dei sistemi irrigui considerati
Regole automatiche secondo l’approccio regola-impatto
Regole Sistema irriguo
Aspersione Scorrimento Localizzata
DVS INI 1.8 1.8 1.8
DVS END 2.8 2.8 2.8
Massimo numero di interventi 11 6 45
Durata turno irriguo (giorni) - 10 2
Soglia di acqua utile 0.5 - 0.9
Spessore del profilo (m) 0.65 - 0.5
Esclusione strato superficiale da evaporazione FALSO FALSO FALSO
Impatti
Volume irriguo (mm intervento-1
) 60 110 15
Efficienza del sistema irriguo 0.7 0.5 0.9
Intercettazione potenziale* 1 0 0 *L'intercettazione da parte della coltura è modulata in funzione dell'evoluzione dell'indice di area fogliare: essa
aumenta gradualmente con il procedere dello sviluppo della coltura
Regole: insieme di condizioni affinché un’agrotecnica venga applicata
Impatto: effetto dell’agrotecnica
Esperimento di simulazione
Le simulazioni effettuate per valutare la sostenibilità delle strategie di adattamento ipotizzate nel corso della Fase1 sia in termini di consumi idrici ed economici
Risultati (2)
produzioni ottenute, numero di interventi irrigui e dei millimetri ad
adacquata;
surplus irriguo derivante dall’adozione di ibridi a ciclo + lungo
consumi di gasolio e dei costi per sostenere i suddetti surplus irrigui
(efficienza; gasolio agricolo pari a 1.06 € l-1);
valutazione delle plusvalenze economiche generate in termini di resa
dall’attuazione dell’adattamento (circa 24 € q-1 granella, 4 € q-1 trinciato)
Finestra
temporale
Sistema
irriguo
CIS
(m ha-1) Efficienza
(g S.S. m-3H2O) Δ resa (Kg ha-1)
Valore Δ resa (€ ha-1)
S.I. (mm ha-1)
Gasolio (l mm-1)
Costo S.I.
(€ ha-1) Bilancio
(€ ha-1)
S. 455.7 2.4 256.3 70.6 50.6 30.3 32.1 38.5
2020 ASP. 315.7 3.4 465.7 128.3 22.8 35.0 37.1 91.2
Ala 219.0 4.9 69.4 77.4 7.9 10.8 11.4 58.0
S. 568.41 1.7 630.1 147.2 206.0 123.3 130.7 42.9
2050 ASP. 388.97 2.6 1111.0 306.1 109.5 168.3 178.4 127.7
Ala 223.7 4.4 678.3 186.9 26.2 35.6 37.8 149.1 CIS= Consumo irriguo stagionale; S.I.= Surplus irriguo rispetto allo scenario che non prevede strategie di adattamento; S. = Scorrimento;
ASP. = Aspersione; Ala = Ala gocciolante
Regione Agraria Sistema
irriguo
CIS (mm ha-1)
Eff. (Kg m -3H2O)
Δ resa (Kg ha-1)
V. Δ resa (€ ha-1)
S.I. (mm ha-1)
Gasolio (l mm-1)
Costo S.I. (€ ha-1)
Bilancio (€ ha-1)
12-06 Pianura varesina S. 446.4 2.6 564.0 155.4 72.4 44.5 47.2 108.2
15-02 Pianura di Legnan S. 446.4 2.6 564.0 155.4 72.4 44.5 47.2 108.2
15-03 Pianura di Seveso S. 483.6 2.3 650.8 179.3 104.1 64.0 67.8 111.5
15-04 Pianura di Monza S. 489.8 2.3 560.0 154.3 99.3 61.0 64.7 89.6
15-05 Pian. Canale Vill S. 483.6 2.1 255.5 70.4 60.1 36.9 39.2 31.2
15-06 Pianura di Milano S. 465 2.2 133.6 36.8 30.5 18.7 19.9 16.9
15-07 Pianura Lambro-Ad S. 465 2.2 133.6 36.8 30.5 18.7 19.9 16.9
15-08 Ticino e Lambro S. 483.6 2.1 256.3 70.6 49.1 30.2 32.0 38.6
15-09 San Colombano al S. 440.2 2.3 109.9 30.3 22.2 13.6 14.5 15.8
16-06 Colline di Bergam S. 427.8 2.7 101.8 28.0 20.8 12.8 13.5 14.5
16-07 Colline del medio S. 446.4 2.6 189.1 52.1 44.9 27.6 29.2 22.9
16-08 Pianura dell'Isol S. 427.8 2.7 101.8 28.0 20.8 12.8 13.5 14.5
16-09 Pianura bergamasc S. 427.8 2.7 101.8 28.0 20.8 12.8 13.5 14.5
16-10 Pianura bergamasc S. 446.4 2.6 189.1 52.1 44.9 27.6 29.2 22.9
17-10 Colline di Bresci S. 465 2.3 266.1 73.3 52.5 32.3 34.2 39.1
17-11 Morenica Nord-Occ S. 465 2.0 45.5 12.5 36.0 22.1 23.5 -10.9
17-12 Pianura Bresciana S. 483.6 2.1 391.3 107.8 76.6 47.1 49.9 57.9
17-13 Pianura Bresciana S. 434 2.3 244.2 67.3 21.5 13.2 14.0 53.3
17-14 Pianura Bresciana S. 427.8 2.4 181.3 49.9 15.3 9.4 10.0 40.0
18-02 Colline Sett. Olt ASP. 355.3 3.3 473.5 130.5 22.8 35.0 37.1 93.4
18-04 Lomellina Occiden S. 444.3 2.5 383.1 105.5 57.0 35.1 37.2 68.4
18-05 Lomellina Orienta S. 468.6 2.1 221.1 60.9 49.2 30.3 32.1 28.9
18-06 Pianura di Pavia S. 462.5 2.3 272.7 75.1 59.1 36.3 38.5 36.6
18-07 Pianura Pavese Se S. 462.5 2.3 272.7 75.1 59.1 36.3 38.5 36.6
18-08 Pianura Pavese de S. 474.4 2.1 118.0 32.5 49.9 30.7 32.5 0.0
18-09 Lomellina Padana S. 438.3 2.5 186.8 51.5 24.6 15.1 16.0 35.5
18-10 Pianura dell'Oltr ASP. 297.3 3.9 366.3 100.9 20.1 30.9 32.8 68.1
18-11 Basso Pavese S. 480.3 2.3 131.7 36.3 77.2 47.4 50.3 -14.0
19-01 Pianura Cremasca S. 462.3 2.3 292.1 80.5 69.8 42.9 45.4 35.0
19-02 Pianura di Crema S. 462.4 2.3 289.6 79.8 69.8 42.9 45.4 34.3
19-03 Pianura soresines S. 468.3 2.3 272.8 75.2 59.9 36.8 39.0 36.2
19-04 Pianura di Soresi S. 468.3 2.3 258.1 71.1 54.6 33.5 35.5 35.6
19-05 Pianura di Cremon S. 462.4 2.3 457.0 125.9 96.3 59.2 62.7 63.2
19-06 Pianura fra Oglio ASP. 263.1 4.2 311.1 85.7 6.4 9.8 10.4 75.3
19-07 Pianura di Piaden ASP. 317.8 3.4 506.3 139.5 26.0 40.0 42.4 97.1
20-01 Morenica Merid. d ASP. 314.5 3.3 468.6 129.1 16.8 25.8 27.4 101.8
20-02 Pianura tra Minci ASP. 297.4 3.4 509.9 140.5 17.2 26.4 28.0 112.5
20-03 Pianura tra Minci ASP. 310.9 3.3 607.9 167.5 36.7 56.4 59.8 107.7
20-04 Pianura tra Oglio ASP. 317.8 3.4 506.3 139.5 26.0 40.0 42.4 97.1
20-05 Pianura di Mantov ASP. 314.4 3.2 499.6 137.6 31.4 48.2 51.1 86.6
20-06 Pianura Occ. Oltr ASP. 324.8 3.1 402.9 111.0 21.2 32.5 34.5 76.5
20-07 Pianura Orient. O ASP. 359.0 2.9 470.1 129.5 26.2 40.2 42.6 86.9
20-09 Morenica del Lago S. 426.2 2.7 155.8 42.9 28.4 17.5 18.5 24.4
98-01 Pianura di Lodi S. 462.5 2.2 272.7 75.1 69.8 42.9 45.4 29.7
98-02 Pianura di Codogn S. 426.5 2.4 188.5 51.9 23.1 14.2 15.0 36.9
98-03 Pian. Lodigiana d S. 426.3 2.5 159.2 43.9 28.4 17.5 18.5 25.3
CIS= Consumo irriguo stagionale; S.I.= Surplus irriguo; N.I = Non irriguo; ASP = Aspersione; S. = Scorrimento; V. Δ resa = Valore
economico del surplus produttivo.
A1 storyline
World: market-oriented
Economy: fastest per capita growth
Population: 2020 peak, then decline
Governance: strong regional
interactions; income convergence
Technology: three scenario groups:
A1FI: fossil intensive
A1T: non-fossil energy sources
A1B: balanced across all sources
A2 storyline
World: differentiated
Economy: regionally orientated; lowest
per capita growth
Population: continuously increasing
Governance: self-reliance with
preservation of local identities
Technology: slowest and most
fragmented development
B1 storyline
World: convergent
Economy: service and information
based, lower growth than A1
Population: same as A1
Governance: global solution to
economic, social and environmental
sustainability
Technology: clean and resource-
efficient
B2 storyline
World: local solutions
Economy: intermediate growth
Population: continuously increasing at
lower rate than A2
Governance: local and regional
solutions to environmental
protection and social equity
Technology: more rapid than A2; less
rapid, more diverse than A1/B2
Existing emission scenarios provided by IPCC AR4 report